大數據處理技術在家具審美評價中的應用

馬曉芳 曾利＊

（中南林業科技大學家具與藝術設計學院,湖南 長沙 410004）

1 家具審美特征及審美評價

家具的審美特征主要體現在外觀形態美、功能美、材質美、結構美，四者是高度的和諧，缺一不可[1]。家具的形態美也稱為造型美，形態美是人視覺觀感的第一反應，是最直接地傳遞美的信息，激發人們愉快的情感，使人們在使用過程中得到美的享受[2]；功能美是家具存在的基礎，脫離了功能基本要求的家具其生命力是短暫的。家具的功能美主要體現在兩個方面：一是功能的實用性；二是在滿足基本用途基礎上實現舒適性、方便性、安全性。材質美是材質本身自帶的表面形態和紋理，它能反映出不同材料的個性差異，是材料美感的重要表現形式。結構美的評價一是直接從結構的外觀效果、連接形式對美觀效果進行評價；二是從技術的美學和理性的感受角度進行評價。但審美評價的影響因素不止這幾個方面，應當囊括色彩美、體驗美。色彩是最具沖擊力、活躍力的因素，它能快速激發人們的相關聯想，帶來不同的審美體驗。體驗美是審美評價的基礎，在使用富有美感的家具時，通過嘗試、品味、體會，從而進入審美評價階段。

沙發是家具產品設計的典型研究對象，其可塑性較強，形態多變，在造型、材料、色彩等方面形式豐富多樣，可滿足不同消費者的需求，目前市場上關于沙發的產品設計的案例相對較多，因此選取沙發為研究對象。文章以沙發設計為研究對象，選取影響審美評價的5 個因素：外觀形態、功能、材質、結構、色彩，運用大數據技術挖掘消費者對沙發不同審美因素的評價，可為設計師從消費者角度提供一種產品迭代設計的參考。

審美評價指的是審美主體從自己的審美經驗、審美情感和審美需要出發去感知客體對象、并對客體本身所做出的評定[3]。傳統的家具審美評價方式歷來有客觀描述和主觀描述兩種方式[4]。客觀描述是以AHP 層次分析法、綜合分析法通過設定影響審美評價指標的問卷調研收集足夠的實驗數據并對實驗數據結合權重進行綜合打分來解釋審美評價；主觀描述則完全從主觀評價進行理論上的論述，如專家評價法，專家憑借自身在業界多年豐富經驗對家具產品進行評價與打分，這往往取決于專家自身的審美修養、審美經驗、思想水平、個人的生活情感好惡等。客觀評價在統計數據時通常采用問卷調查法，該方法受制于時間、空間、人群集中分布、數據量少等特點，大幅降低了數據的真實性與有效性。

大數據不僅是數據單純的集合，更是一種新的思維模式，是在AI 智能、自動審批等信息技術的加持下，快速準確提取其中的價值部分進行信息處理的技術[5]。國內外一些學者將大數據與產品調研[6]、產品設計[7]、用戶研究[8]結合起來，但總體上看，大數據的豐富資源尚未在家具審美評價中得到充分利用，相關的研究方法與理論也在探索之中。因此，文章運用大數據技術提取影響消費者對家具審美評價不同影響因素的認知，總結消費者對家具審美評價態度，為進一步構建家具審美評價體系奠定基礎，給設計師從消費者角度進行設計提供一定參考。

2 基于大數據的家具審美評價

基于大數據技術構建的家具審美評價流程主要按照下列步驟進行剖析：① 數據采集。選擇適合的采集工具采集頁面指定的信息，通常可采集的內容有圖片、語音、文本、視頻等，從而獲得與研究對象相關的源數據。目前互聯網上的數據多以非結構化的方式呈碎片狀分布在各個角落[9],選擇合適的數據源有助于減少后續非關鍵因素的干擾。中國互聯網絡信息中心發布的第42 次《中國互聯網網絡發展狀況統計報告》顯示，排列前三的電商分別為淘寶、拼多多、京東，其中京東產品質量口碑較好，因此文章主要通過數說聚合采集工具以京東電子商務平臺為數據源采集用戶評論數據。② 數據處理是指對采集回來的源數據進行數據清洗。通過使用數說工場建立算子ETL 清洗數據，首先通過文本指紋算法去重過濾掉重復無關的水軍評論，之后通過實體識別算法、實體情感算法提取影響家具審美評價相關維度的實體詞。③ 數據存儲即將清洗干凈的數據存儲到目標位置，可以使數據重復多次分析使用，將清洗后的數據字段存儲到數說方舟，用于數據可視化分析。④ 數據分析指的是對大量的、種類多樣且內容真實的數據進行剖析，并從中分析出消費者對家具審美評價。將經過算法提取出來的數據通過數說方舟統計詞頻并用詞云圖的形式展示，并總結影響消費者家具審美評價的規律。基于大數據技術的家具審美評價流程見圖1。

圖1 基于大數據的家具審美評價流程

2.1 數據采集

隨著大數據研究的熱度不斷提升，網絡爬蟲工具的發展也越發成熟，當前互聯網中已有多款面向用戶的網絡爬蟲工具，如八爪魚采集器、GooSeeker、HTTrack 等，用戶僅需學習其操作方法，便可自行挖掘網頁中所需要的數據信息[10]。研究主要采用數說故事科技有限公司自建平臺數說聚合進行數據采集。京東是中國最著名的電子商務平臺之一，其家具產品質量與商家入駐情況是值得消費者信賴的，因此研究選取京東電子商務平臺為數據源。首先以“沙發”為關鍵詞在京東電子商務平臺進行檢索，通過京東平臺規則了解發現銷量與評論數量成正比，因此通過Python 構建selenium 框架模擬人工瀏覽網頁行為獲取銷售量前10 頁的產品URL，共計600 個商品。通過獲取產品URL 批量導入到數說聚合平臺采集京東沙發產品基本信息、產品參數信息、消費者評論信息的數據信息，采集數據共計78 104 條。數據采集流程如圖2所示。

圖2 沙發產品數據采集流程

2.2 數據清洗

通過數說聚合采集的數據形成家具審美評價源數據庫，該數據庫囊括了產品詳細信息以及消費者評論信息，經過瀏覽數據發現數據呈現高度無序、散亂的狀態，但是其中又包含著產品以及消費者之間的信息。為了做數據的進一步分析，將數據導入數說工場發起ETL 任務，ETL 任務即數據清洗流程，通過ETL 對無序的數據進行有序化地聚類形成有規律的數據。圖3 為沙發產品數據清洗流程。

圖3 沙發產品數據清洗流程

2.2.1 文本指紋算法 Web網頁集合里存在大量的重復內容網頁，無論對于搜索引擎的網頁去重和過濾、新聞小說等內容網站的內容反盜版和追蹤、還是社交媒體等文本去重和聚類，都需要對網頁或者文本進行去重和過濾，因此第一步通過文本指紋算法針對以上方法采集回來的消費者評論數據進行降噪處理，去掉重復的文本以及評論較短的文本。文章運用到數說工場自有的文本指紋算法，該算法通過抽取文本關鍵詞計算md5來作為原文的文本指紋和唯一標識，文本指紋后加入去重可用來對高相似文本去重。其次消費者評論數據還存在許多廣告文本，由于此類文本不存在規律性，因此通過人工挑選，保證數據質量。

2.2.2 實體識別算法 將降噪后的文本數據通過數說工場訓練好的實體識別算法進行審美評價維度的提取，提取過程見圖4。實體識別算法是有監督學習的自然語言處理技術，模型通過學習人工標注的數據，主動歸納不同輸出類別對應的輸入特征，通過預先定義的維度實體識別算法從文本中提取實體并將其識別到固定維度。主要采用數說工場預訓練的實體識別算法，此算法可以將文本數據中通過預先定義好的維度實體詞提取出來，并映射到對應的維度下，其準確率達到85%。例如輸入文本“沙發是全實木的質量，新中式風格的設計，簡約大方，坐著舒服，這種橙色沙發真的好喜歡”，通過實體識別算法提取實體“實木”“新中式”“簡約”“舒服”分別映射到“材質”“風格”“外觀設計”“體驗”維度下。

圖4 沙發產品審美評價實體數據提取流程

2.2.3 實體情感算法 實體情感算法的計數原理是基于BERT的中文情感分析，是一種有監督學習，模型通過學習人工標注的數據，主動歸納不同輸出類別對應的輸入特征。為了識別文本提取的實體情感屬性，在數據清洗流程通過使用實體情感算法分析得出實體的情感屬性，例如輸入文本“這個沙發真舒服可太喜歡了，但是枕頭的配色太難看了”，通過運行實體情感算法分析實體“沙發”“枕頭”，經過模型得出結果“沙發：1”“枕頭：-1”。實體情感出來的結果標記為“1”“0”“-1”，其中“1”代表正面情感，“0”代表中性情感，“-1”代表負面情感。圖5為沙發家具審美評價情感屬性判斷流程。

圖5 沙發家具審美評價情感屬性提取流程

2.3 數據存儲

數據清洗結束后，過濾掉了重復文本以及廣告文本后得到所需要的審美評價維度字段及情感屬性字段，為了便于后續數據分析以及數據重復使用，將清洗有效的數據存儲到目標位置。保存的數據形式多種多樣，可以直接以文件的形式保存到本地，例如常見的txt、Excel、json、csv 等格式；但是也有存儲到數據庫的形式，例如mysql、ES 庫等。本研究將經過算子清洗的數據字段輸出至數說方舟，通過數說方舟做下一步數據分析。

2.4 數據分析

研究采用詞頻與百分比對提取的家具審美評價維度實體詞進行統計，并調用數說方舟通過數據透視選擇需要的可視化工具，將家具審美評價分維度以詞云圖的方式進行可視化處理，同時將家具審美評價維度與家具審美評價情感屬性以詞頻表形式直觀展示。

3 沙發產品審美評價文本數據分析

3.1 消費者評價維度數據分析

運用傳統的家具審美評價方法對家具審美進行評價時影響的維度有外觀造型、結構、功能、材質、色彩5 個方面。經過數據清洗處理的結果發現影響消費者評價家具審美維度包括外觀造型、色彩、功能、材質、結構以及體驗，各個維度提取的實體詞數以及總詞頻數見表1。消費者對產品的結構方面提取的實體詞相對其他維度實體詞而言較少，只有15 個且總詞頻數120 次，由此可見消費者極少可能從家具結構維度進行審美評價，但實際上家具結構包含著豐富的內涵是不可或缺的一部分，從而得知消費者對產品結構方面的認知停留在淺表層的理解。

表1 維度實體統計表

維度實體統計表結果顯示，影響消費者評價家具審美的維度可以從外觀造型、功能、色彩、材質以及消費者的體驗感知來做分析，以此繪制了沙發審美評價詞云圖、沙發審美評價詞頻表。

消費者選擇沙發家具對其進行評論，提取相關維度構建詞云圖與詞頻表見圖6—圖10 和表2—表6，從影響審美評價維度詞云圖及詞頻表可以進一步分析得出：

表6 沙發家具體驗評價詞頻表

圖6 沙發產品外觀評價詞云圖

圖10 沙發產品體驗評價詞云圖

表2 沙發產品外觀評價詞頻表

外觀造型維度的高頻詞 “大氣”占比22.70%，“大方”占比9.95%，“精致”占比9.21%，“漂亮”占比7.42%，“簡約”占比7.40%，由此可見消費者對沙發外觀感知傾向于沙發整體外觀造型為大氣整潔又精致，這一結果恰恰也驗證了消費者選擇沙發家具風格的現代風、簡約風、輕奢風的共同特征。

產品色彩維度的高頻詞“灰色”占比14.80%，“橙色”占比8.74%，“黑色”占比5.24%，“白色”占比5.04%，“淺白色”占比3.49%，由此可見消費者對黑白灰三色的喜愛程度遠大于其他色彩。根據過往的市場調研發現黑白灰一直是家具界設計師與消費者們選擇的主要色彩，黑白灰三者的互相碰撞也更能輕易打造出簡潔感、現代感、輕奢感、高級感，營造一種大氣時尚的格調，橙色系與綠色系是近年來較為流行的搭配黑白灰的主要色調，橙色系近似原木色屬于暖色系，與黑白灰進行平衡搭配，可以打破產品原本的寧靜感添加一份平和與溫馨的感覺；高級灰搭配綠色，明麗而優雅地呈現出清透感與輕奢范。

功能維度的高頻詞“耐臟”占比26.29%，“沒有異味”占比24.51%，“不會塌陷”占比7.68%，“沒有破損”占比4.61%，“防水”占比2.04%，消費者評價功能維度依據產品的實用性、耐用性，可以發現消費者評價功能維度時必須依附于實用價值，實用價值是功能與美相互傳遞的媒介，從功能目的出發，通過實用價值的有效表達來傳遞審美信息[11]。因此消費者期望沙發家具可以朝著較好品質和長時間使用壽命的趨勢發展。

材質維度的高頻詞“實木”占比66.79%，“木質”占比5.35%，“真皮”占比4.27%，“乳膠”占比2.95%，“科技布”占比2.51%，消費者對實木的感知相對其他材質更高，歸因于實木家具天然的美感、綠色環保、經久耐用、結實牢固的特點，實木家具越來越受到消費者的青睞，因此選擇沙發家具時會刻意強調家具是否是以實木制成的。

使用體驗維度的高頻詞“舒服”占比43.47%，“舒適”占比18.81%，“柔軟”占比7.04%，“厚實”占比6.86%，“軟硬適中”占比5.07%，由此可見消費者使用體驗沙發后情緒感知以舒服舒適為主，而沙發的軟硬程度、縱深程度、是否可以完全包裹住消費者都成為消費者使用體驗后的重要決定因素之一。

研究結果表明提煉的高頻詞基本符合影響家具審美評價維度的特征詞，具有一定的設計參考性。現代簡約家具廣受消費者青睞的主要原因有：現代家具線條簡單，以簡單的線條充分表達，除去過多的裝飾；材料使用上更講究消費者使用體驗感，功能充分滿足實用性、舒適性、方便性；搭配有單色系的色彩效果，不僅可以彰顯消費者的生活品位，也能表達當代消費者因這個信息過載社會帶來的焦慮與浮躁，從而對化繁為簡的生活更為渴求，以“減法式”的設計更能打造迎合時下審美潮流的時尚大方的生活體驗。對此，設計師從消費者審美角度切入進行設計時可以以線條感的營造造型感，通過變換材質、簡單干脆的色彩來帶動產品朝著不同方向發展。總而言之，時尚、實用、性價比高的產品更為廣大消費者喜愛。

3.2 產品詳細數據分析

在消費者選擇沙發產品的詳細信息提取風格與品牌的結果，如圖11、圖12、表7 和表8 所示，風格的高頻詞為現代風、簡約風、輕奢風、意式、北歐風，這幾種風格的共同特征均以化繁為簡，講究整體的簡潔化、協調化，可以讓整體更具備藝術氣息、更為美觀，因此深受消費者的喜愛。選擇品牌的高頻詞為芝華仕（CHEERS）、全友（QUANU）、顧家家居（KUKA）、林氏木業，消費者喜愛的品牌均是國內沙發行業的著名品牌。消費者選擇這類品牌的原因：一是品牌自身口碑在沙發界赫赫有名；二是此類品牌緊隨潮流的變化，依然在浪潮中保持著與時俱進的狀態。

圖12 沙發產品品牌詞云圖

表7 沙發產品風格詞頻表

表8 沙發產品品牌詞頻表

圖11 沙發產品風格詞云圖

表3 沙發產品色彩評價詞頻表

表4 沙發產品功能評價詞頻表

表5 沙發產品材質評價詞頻表

圖7 沙發產品色彩評價詞云圖

圖8 沙發產品功能評價詞云圖

圖9 沙發產品材質評價詞云圖

3.3 消費者審美維度情感數據分析

消費者對沙發產品進行評價時都會帶有一定的情感傾向，通過對消費者的情緒表達可以了解到消費者對審美維度的喜愛與討厭或者保持中立的態度，為了達到這個目的，可以通過實體情感算法識別，如表9 結果顯示，消費者的整體審美評價情緒正面占比98.47%，負面和中性情緒占比相近，負面占比0.75%，中性占比0.79%，表明消費者對目前的沙發產品審美態度整體保持正向。縱向分析數據可以發現正面占比相對較高的維度為外觀設計，負面占比相對較高的維度為色彩，表明沙發的外觀設計即家具的造型，它具有直觀的美感特征，能直接傳遞美的信息，激發人們的審美反應，成為人們判斷家具美不美的先決因素之一[12]。其次由于是在網絡上通過圖片對沙發進行評價，可能會出現實際產品與圖片不相吻合的情況，例如出現色差，與整體室內空間違和等，導致消費者在見到真實產品的時候與預期產生落差而產生的負面情緒偏高。研究結果表明，設計師在整體把握沙發造型審美的維度上是得到大部分消費者認可的，但是影響沙發審美評價的色彩維度表明設計師對色彩的把握略微欠缺，因此鼓勵設計師要在色彩表達上下功夫，同時也要到實際的量產線上把握色彩的表現，嚴格把控產品質量，從產品角度引導消費者的審美趨向。

表9 沙發家具審美評價情感表

4 結論

（1）結合傳統家具審美評價維度以及經過實體識別算法提煉的高頻詞得出影響消費者家具審美評價的維度為外觀造型、色彩、功能、材質、結構以及體驗，但結構維度提取的實體詞只有15個且總詞頻數120 次，相對較少，由此可見消費者極少可能從家具結構維度進行審美評價，但是實際上家具結構包含著豐富的內涵，是不可或缺的一部分，從而得知消費者對產品結構方面的認知停留在淺表層的理解。

（2）通過實體識別算法提煉的高頻詞基本符合影響家具審美評價維度的特點，消費者在提及沙發家具審美評價詞高頻詞為“大氣”“灰色”“耐臟”“實木”“舒服”，占比分別為22.70%、14.80%、26.29%、66.79%、43.47%，高頻詞的特征總結為時尚、經濟、實用、性價比，表明提煉的高頻詞基本符合影響家具審美評價維度的特征詞。因此設計師從消費者角度進行設計時，沙發家具的線型是否簡潔優美大氣；色彩方面是否與沙發整體風格相一致，符合當下流行色；功能方面要考慮是否符合實用價值，是否舒適等；材料方面要考慮是否經久耐用，是否安全環保等。

（3）采用實體情感算法判斷消費者對整體沙發家具的情感正面、中性、負面占比分別為98.47%、0.79%、0.75%，結果表明消費者普遍認可沙發整體形象；各個維度的負面占比較高的是色彩維度為5.31%，表明設計師對色彩的把握略微欠缺，設計師應加強對色彩方面的把控，提高消費者審美意趣。

（4）經過對沙發家具詳細信息的拆解發現消費者更多喜愛選擇知名品牌，這些品牌在經受時代變遷中也時刻跟隨著消費者的審美趣味經久不衰。因此企業應加強對消費者審美的把握，設計出符合消費者審美的產品才能緊隨時代步伐。

（5）運用大數據技術研究家具審美評價具有較高的自由度，能大幅減少搜集數據的時間，同時可以搜集到時間跨度長的文本信息進行評價分析，有效地提高了效率，降低了人力物力成本。伴隨著互聯網經濟的發展，緊密結合大數據技術成為社會發展的必然趨勢。本研究區別于傳統的家具審美評價方法，基于大數據思維與技術方式方法從數據采集、數據清洗、數據存儲、數據分析4 個流程進行家具審美評價，可以有效突破傳統家具審美評價方法的局限性，為多維角度開展家具審美評價提供可能性，為進一步構建家具審美評價體系奠定了基礎。